Gemini 4 Argon rapproche Google du sommet des benchmarks IA

Google DeepMind place Gemini 4 Argon, son nouveau modèle de pointe, tout près de la frontière actuelle de l’IA générative, avec 97,5 % sur ARC-AGI-3 selon ARC Prize et Epoch AI. L’avance est réelle, mais elle dépend fortement du protocole de test utilisé. Dans le même temps, le modèle reste derrière ses rivaux sur les maths et le logiciel, ce qui rappelle qu’un bon score ne fait pas tout, même quand les benchmarks semblent avoir décidé de mener la danse.

Un score très haut, mais pas dans toutes les conditions

Avec le « Provider Adapter Harness », Gemini 4 Argon atteint 97,5 % sur ARC-AGI-3 pour un coût annoncé de 4 800 dollars. ARC Prize place ainsi Google au rang de deuxième laboratoire d’IA à franchir le seuil des 95 %, derrière OpenAI et son GPT-6 Astra, donné à 99,9 %.

Le détail compte toutefois autant que le chiffre. Dans ce cadre de test, le modèle de Google profite de fonctions propres au fournisseur, comme le « retained reasoning » et la « context compaction », c’est-à-dire la conservation partielle du raisonnement entre étapes et la compression du contexte pour économiser des tokens. Sur le terrain des benchmarks, ce genre de nuance peut faire basculer une comparaison de quelques points à un autre monde.

Quand le protocole change, le score change aussi

En « Standard Harness », où seules de simples notes sont autorisées entre les rounds, Argon retombe à 49,8 % en faible niveau de raisonnement, pour 5 800 dollars. ARC Prize indique aussi que le système n’a pas pu terminer les 55 jeux de cette configuration : 42 jeux complétés à faible raisonnement, 46 à niveau moyen, puis seulement 19 à haut niveau, sans score publié pour cette dernière tentative.

Cette sensibilité au banc d’essai n’est pas propre à Google. La source rappelle la polémique de juillet 2026 autour de GPT-5.6 Sol et Claude Opus 5, où les résultats variaient selon l’API utilisée. En clair, un benchmark d’IA mesure aussi l’environnement technique, pas seulement le modèle. C’est moins glamour qu’un podium, mais nettement plus fidèle à la réalité.

Google revient près du peloton de tête, sans tout dominer

Epoch AI donne à Argon 165 points sur l’Epoch Capabilities Index, à égalité avec Fable 5.1 et juste derrière Opus 5.5 (167) et GPT-6 Astra (166). Ce score agrège plus de 50 benchmarks en une seule échelle de capacités. Il montre surtout que Google revient au contact du sommet, après avoir été distancé depuis Gemini 3.1 Pro en février 2026.

La progression reste inégale. Selon Epoch AI, Argon mène sur plusieurs tests liés aux connaissances, aux agents et à la vision, mais se classe seulement huitième sur l’index mathématique et sixième sur l’indice d’ingénierie logicielle. Autrement dit, le modèle rattrape du terrain, sans encore effacer ses faiblesses les plus visibles pour les usages professionnels.

Ce que ça dit du marché des modèles de pointe

Ces résultats confirment une tendance simple : la course ne se joue plus seulement sur la taille des modèles, mais sur les conditions d’exécution, les outils disponibles et la spécialisation par tâche. Pour les entreprises, cela complique les comparaisons, mais cela améliore aussi la lecture du marché, car un score unique masque souvent des écarts très concrets en maths, en code ou en agents autonomes.

Autrement dit, Gemini 4 Argon remet Google dans la conversation des meilleurs modèles, mais pas dans celle du modèle « bon partout ». Et c’est précisément là que se joue la suite : dans la capacité à concilier performance brute, coût réel et comportement stable selon les interfaces.